1.直接在新建工程的时候选择CUDA,这样的工程既能编译C++也能编译CU 2.在已有的C++工程上添加CUDA编译环境 右键工程-->生成依赖项-->生成自定义-->勾选CUDA 9.0 这时右键工程属性,发现多了两个关于CUDA的属性 点击CUDA C/C++下的Common,将默认的32-bit(--machine 32)改为 64-bit  (--machine 64) 然后加入CUDA代码,运行发现找不到 dll 文件 我们需要引入dll文件的路径 右键工程属性,点击调试,在环

ROS Indigo beginner_Tutorials-05 编译 ROS 程序包 我使用的虚拟机软件:VMware Workstation 11 使用的Ubuntu系统:Ubuntu 14.04.4 LTS ROS 版本:ROS Indigo 注意:编译前要加下面这个路径为环境变量: (当然了 我们已经将它写到 .bashrc 启动文件里去了, 每次打开一个新终端都会自动添加下面这个目录为环境变量.所以下面的这句命令可以不用执行) $ source /opt/ros/indigo/setu

一 . opencv3.3.1  + win64 + contrib + cuda   编译 1.下载各种依赖 下载安装cuda  https://developer.nvidia.com/cuda-downloads 下载安装tbb   http://threadingbuildingblocks.org/download opencv库 2. cmake-gui 参数设置: OPENCV_EXTRA_MODULES_PATH 设置为  E:\Work\opencv\src\3.3.0\ope

主要参考http://blog.csdn.net/dourenyin/article/details/48055441 1.编译g2o的过程中, 先是出现Eigen3依赖项的问题,要求Eigen3最低版本是3.1.0,而我的ROS上的版本是3.0.5. 于是下载了一个3.2.7的包进行编译并安装. 执行make命令,又出现如下两个错误. 解决方法:通过命令查看 $ gcc -march=native -Q --help=target | grep march 接下来修改CMakelists.tx

最近在进行ros里面的gazebo仿真之前需要对自己创建的工作空间进行编译,但是进行编译的时候输入catkin_make出现如下错误提示 查阅ROS问答社区之后发现两个比较有用的链接,如下 https://answers.ros.org/question/215766/could-not-find-a-package-configuration-file-provided-by-controller_manager/ https://answers.ros.org/question/235846

本文章主要是记录,cuda 编程过程中遇到的相关概念,名字解释和问题:主要是是用来备忘: cuda PTX :并行线程执行(Parallel Thread eXecution,PTX)代码是编译后的GPU代码的一种中间形式,它可以再次编译为原生的GPU微码. 下面几条链接,是对nvcc 编译过程中,编译参数的解释:-gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61:本编译参数适用于 1080ti显卡:此种

系统环境: 操作系统:Ubuntu 18.04.01 显卡型号:GeForce GTX 1060 6G CMake 版本:3.10.2 GCC 版本:7.4.0 GNU Make 版本:4.1 CUDA 版本:10.0.130 错误提示: # make -j`nproc` ... Cuda 10.0 fatal error: nvcuvid.h: No such file or directory ... 查看错误信息 错误原因: CUDA 10.0 中 Decode 模块已经被废弃:https

#获取最新代码git clone "https://github.com/opencv/opencv.git" #build目录mkdir buildcd build #使用ccmake来配置,至少需要cmake 3.5以上ccmake ..  #cuda on打开  #按c, 按q make -j 40make install

链接出现以下信息: 1 /home/admin/opencv/20190610_cuda_release/lib64/libopencv_core.a(ocl.cpp.o): In function `cv::ocl::Context::Impl::svmInit()': 2 ocl.cpp:(.text._ZN2cv3ocl7Context4Impl7svmInitEv[_ZN2cv3ocl7Context4Impl7svmInitEv]+0x133): undefined reference

xxx为c++源文件名 install( TARGETS xxx ARCHIVE DESTINATION ${CATKIN_PACKAGE_LIB_DESTINATION} LIBRARY DESTINATION ${CATKIN_PACKAGE_LIB_DESTINATION} RUNTIME DESTINATION ${CATKIN_PACKAGE_BIN_DESTINATION} )

要编译ORB_SLAM2的ROS例程首先需要安装ROS,以及在ROS下安装usb_cam驱动并调用,最后搭建ORB_SLAM2. 1.ROS的安装 我的电脑安装的是ubuntu16.04系统,所以我安装的是2016年的发行版本ROS_Kinetic,一般的话ROS的版本是一年一更新,和ubuntu的系统更新保持同步.如果你的系统是ubuntu14.04,你可以安装2014年的发行版本ROS_Indigo. ROS_Kinetic在ubuntu16.04上的安装可以参考我的博客:点击链接地址 2.

ROS的包编译有两种方法(我知道的),一种是用rosmake,这种方法简单:另一种是用catkin_make,这种方法更方便包的管理和开发.这两种方法都是先建立工作空间workspace(类似于vs下的解决方案,用来管理很多的项目),然后建立包package(类似于vs下的项目),最后利用rosmake或者catkin_make进行编译和运行.学会第一种方式,再去学习第二种就很简单了.源码附在每个小节的后面. 1.rosmake编译包package 1.1.创建工作空间 在开始具体工作之前,首先

opencv3.2提供了cuda很好的支持,cuda的opencv接口,让用户想使用opencv那样去使用cuda,不用写cuda代码 一开始编译opencv有关cuda的代码,opencv 里samples文件夹里有cmakelist可以参考,但是试了之后出现一堆错误,于是去找编译cuda cmake脚本 后来发现cmake里已经自带FindCUDA.cmake了,find_package(CUDA)(注意是大写)就能够找到了,而且像平时那样 target_link_libraries(opt

最近研究了下NVIDIA Cuda Toolkit的编译环境,并且在xmake 2.1.10开发版中,新增了对cuda编译环境的支持,可以直接编译*.cu代码. 关于Cuda Toolkit相关说明以及安装文档,可参考官方文档:CUDA Toolkit Documentation. 下载安装好Cuda SDK后,在macosx上回默认安装到/Developer/NVIDIA/CUDA-x.x目录下,Windows上可以通过CUDA_PATH的环境变量找到对应的SDK目录,而 Linux下默认会安

注:1. 对某些地方进行了更新(红色标注),以方便进行配置. 2. ZED ROS Wrapper官方github已经更新,根据描述新的Wrapper可能已经不适用与Ros Indigo了,如果大家想参照这份博客进行安装ZED ROS Wrapper,有可能会出现其他问题.ZED ROS Wrapper github地址:https://github.com/stereolabs/zed-ros-wrapper 最近想运用ZED相机在ROS系统上实时运行ORB-SLAM2,在环境配置的过程当中遇

前言 在并发,多线程环境下,同步是一个很重要的环节.同步即是指进程/线程之间的执行顺序约定. 本文将介绍如何通过共享内存机制实现块内多线程之间的同步. 至于块之间的同步,需要使用到 global memory,代价较为高昂,目前使用的情况也不多,就先不介绍了. 块内同步函数:__syncthreads () 线程调用此函数后,该线程所属块中的所有线程均运行到这个调用点后才会继续往下运行. 代码示例 使用同步思想优化之前一篇博文中提到的数组求和程序.在新的程序中,让每个块中的第一个线程将块中所有线

前言 本文将介绍 CUDA 编程的基本模式,所有 CUDA 程序都基于此模式编写,即使是调用库,库的底层也是这个模式实现的. 模式描述 1. 定义需要在 device 端执行的核函数.( 函数声明前加 _golbal_ 关键字 ) 2. 在显存中为待运算的数据以及需要存放结果的变量开辟显存空间.( cudaMalloc 函数实现 ) 3. 将待运算的数据传输进显存.( cudaMemcpy,cublasSetVector 等函数实现 ) 4. 调用 device 端函数,同时要将需要为 devi

MATLAB下使用CUDA. #@author: gr #@date: 2014-04-08 #@email: forgerui@gmail.com 一. Matlab & C 1. 概念 Matlab 与 C 混编可以提高程序运行效率. 2. C文件 C文件需要在引入头文件mex.h,我的mex.h位置在/opt/MATLAB/R2013a/extern/include/mex.h. #include <mex.h> Matlab与C文件的接口函数是mexFunction. mexF

reproduced from: http://www.cnblogs.com/muchen/p/6306747.html 前言 本文将介绍 CUDA 编程的基本模式,所有 CUDA 程序都基于此模式编写,即使是调用库,库的底层也是这个模式实现的. 模式描述 1. 定义需要在 device 端执行的核函数.( 函数声明前加 _golbal_ 关键字 ) 2. 在显存中为待运算的数据以及需要存放结果的变量开辟显存空间.( cudaMalloc 函数实现 ) 3. 将待运算的数据传输进显存.( cu

由于之前已经在Ubuntu 14.04 x64上面安装cuda7.0+caffe, 并且已经配置好,caffe也已经跑通. 但是最近需要使用Torch,而Torch对cuda的要求是8.0,因此决定对cuda的版本进行升级,以满足Torch平台的需求. 而最新版的caffe也已经支持cuda8.0. 话不多说,开始安装cuda8.0. 1. 电脑配置 显卡:GeForce GTX TITAN X 系统:Ubuntu 14.04(x_64) CUDA:cuda_8.0.61_375.26_linu